如果你让 Claude Code 或 Cursor 写一个 SaaS 落地页，你会得到一个紫色到蓝色的渐变 Hero、Inter 字体、居中标题、三列图标功能卡、右下角一个 CTA 按钮。
让它再写一个——换个产品名，换个色系。但骨架一模一样。
这个问题有个名字：
AI Slop
（AI 设计同质化）。今年 5 月，Together AI 开源了一个叫
Hallmark
的工具，14,178 Star、705 Fork，目标只有一个：
让 AI 编程助手拒绝生成千篇一律的网页
。
安装只要一行：
npx skills add nutlope/hallmark
● ● ●
颜色不是问题，问题在骨架
市面上已经有一些解决 AI 设计同质化的工具。Anthropic 的 frontend-design skill 教 AI"该长什么样"；Impeccable 有 46 条规则检测"哪里像 AI 写的"。但 Hallmark 的切入点不一样。
Hallmark 的核心判断是：
AI 生成页面的问题不是颜色雷同，是结构雷同
。三个页面如果都走 Hero → 3 Features → CTA → Footer 的骨架，换了颜色和字体也还是克隆人。
所以 Hallmark 定了一条铁律：
连续两个输出不能共享同一个 macrostructure（页面骨架）
。
● ● ●
21 种骨架，每次都不一样
Hallmark 内置了 21 种命名的页面骨架，从 Bento Grid、Marquee Hero、Stat-Led、Long Document，到 Manifesto、Photographic、Quote-Led、Letter……覆盖了几乎所有非平凡的页面形状。
每次生成前，Hallmark 先读
.hallmark/log.json
，确认上次用了什么骨架，然后从其他 20 种里挑一个。输出结果在 CSS 注释里盖上戳：
/* Hallmark · macrostructure: Marquee Hero · theme: Atelier */
以此保证两个页面确实长得不一样——不是换了色板的同一个页面。
● ● ●
57 道质量门，有一道不过就打回重做
Hallmark 在输出代码之前还跑一道
slop test
，57 个门，一个"是"就失败。
几类典型检查：
|
类别
|
检查内容
|
|
视觉
|
用了 Inter 做标题？紫色渐变？emoji 当功能图标？
|
|
结构
|
连续两次用了同一个骨架？每个 section 间距一样？
|
|
微交互
|
transition: all
？hover 放大 5%？没有 reduced-motion？
|
|
诚实
|
编了 "+47% 转化率"？编了客户 logo？
|
|
排版
|
页面超过 3 个字体了？斜体标题（AI 最爱）？
|
|
无障碍
|
对比度不达标？按钮文字和底色一样？
|
更关键的是，Hallmark 先让模型做一次
6 轴自评
——Philosophy（设计背后的"为什么"）、Hierarchy（层级清晰度）、Execution（细节执行）、Specificity（差异化）、Restraint（克制）、Variety（多样性）——任何一轴低于 3 分就触发修订。不是生成完再查，是
模型自己先想一遍再交卷
。
● ● ●
四个动词，不只是"生成"
Hallmark 不是一个只做"generate"的工具。它暴露四个操作：
-
01
default
— 正常构建新 UI，选骨架选主题跑质量门
-
02
hallmark audit
— 对现有页面打分，只出诊断不改代码
-
03
hallmark redesign
— 保留文案和信息架构，换个骨架重建
-
04
hallmark study
— 截图或 URL 输入，提取设计 DNA（骨架、字体配对、色彩锚），但不复制像素
study
是 Hallmark 最独特的能力。你贴一张喜欢的网站截图，它诊断结构而不复制颜色和字体，然后输出一个
design.md
，交给其他 AI 工具也能用。
Hallmark 工作流程
● ● ●
与竞品的关系
|
Hallmark
|
Impeccable
|
Taste Skill
|
|
定位
|
反模式规则注入
|
完整设计系统
|
像素级 AI 指纹修复
|
|
核心能力
|
结构多样性
|
46 条检测 + CI
|
视觉反模式
|
|
适用场景
|
已有设计系统，修"骨架同质化"
|
从零开始建完整视觉
|
快速修视觉指纹
|
|
Stars
|
14K
|
46K
|
~5K
|
总结：Impeccable 告诉 AI"该长什么样"，Hallmark 告诉 AI"不该长什么样"+"每次要长得不一样"。两者可以同时用。
● ● ●
更深层的信号
Hallmark 背后是 Together AI（估值 5.33 亿美元，360 人）。MIT 协议开源，不收钱。逻辑很清晰——
平台 play
：免费给开发者好用的工具 → 占据心智份额 → 自然引导到 Together AI 的推理基础设施。
但这种模式的可迁移性不止于此。57 条规则会过时——AI 的训练数据在变，模型默认口味也在变，规则需要持续维护。
真正可迁移的是架构选择：Skill 作为模型输出的拦截层。
一个轻量 skill 文件插入到模型和用户之间，在输出到达屏幕前施加质量门。这个模式可以用于安全审计、无障碍检查、品牌一致性——不只是设计。代码质量、安全、可访问性，都可以复制这套"pre-emit gate + self-critique"的模式。
● ● ●
试一下？
npx skills add nutlope/hallmark
安装后直接让 Claude Code 或 Cursor 生成 UI，Hallmark 会自动介入。或者试试 audit 模式，拿你现有的页面跑一遍，看看踩了多少 AI 设计指纹。
你已经让 AI 写了很多页面。它们现在长得都像同一个模板的话——试试给它加一个说"不"的工具。
相关链接
：GitHub: github.com/Nutlope/hallmark | 官网: usehallmark.com | 许可证: MIT
alitrack alitrack约 4 分钟